JP2007283030A - 睡眠時呼吸状態判定装置 - Google Patents

Abstract

【課題】低コスト及び簡便な処理で且つ努力性呼吸をも含めた呼吸状態判定を可能とする信頼性の高い睡眠時呼吸状態判定装置を提供する。
【解決手段】睡眠時の呼吸信号を検出する呼吸信号検出手段と、前記検出された呼吸信号の所定期間毎の分散値を演算し、前記分散値を前記呼吸信号の検出状態を以て正規化演算する演算手段と、前記正規化された分散値に基づいて、睡眠時の呼吸状態を判定する判定手段とを備えることから、呼吸状態の判定において、例えば、寝返り等による呼吸信号の検出状態の変化を影響させることなく判定することを可能とし、信頼性の高い睡眠時の呼吸状態判定を可能とする。
【選択図】 図１

Description

本発明は、睡眠時の呼吸状態を判定する装置に関する。

従来の睡眠時の呼吸状態を判定する装置においては、睡眠時の体動信号を取得して、前記体動信号の振幅の減少が現れる時点を無呼吸時点として、無呼吸状態を判定する装置があった（特許文献１参照）。

また、所定期間内に取得した睡眠時の体動信号に基づいて無呼吸時や寝返り時等の注目すべき時点を特定し、前記注目時点の内の寝返り時のデータを除いた前記体動信号に基づいて算出した基準値と前記注目時点の値とを比較することにより、無呼吸状態又は低呼吸状態を検出する装置があった（特許文献２参照）。

また、睡眠時の心拍信号を取得して、前記心拍信号の周波数解析を行うことで無呼吸状態を検出する装置があった（特許文献３参照）。
特開２００５−２３０５１１号公報 特開２００５−１６０８７６号公報 特開２００５−１６０６５０号公報

しかしながら、前記特許文献１に示すような装置は、例えば、図８の正常な呼吸と努力性呼吸との呼吸信号の振幅の比較図に示すように、努力性呼吸時のように、正常な呼吸に比べて必ずしも体動の振幅の減少があるわけではない呼吸障害の場合には、呼吸異常と判定しないため、信頼性の低い判定結果しか得られなかった。

また、前記特許文献２に示すような装置は、寝返り時のデータを反映しない基準値に基づいて呼吸状態を判定するため、寝相によって振幅変化した体動信号を呼吸異常と判定してしまう可能性があった。

また、前記特許文献３に示すような装置は、信号の周波数解析を行わなければならず、処理が煩雑になり、高価なマイコン等を使用しなければならなかった。

従って本発明は、上述の問題点を解決して、低コスト及び簡便な処理で且つ努力性呼吸をも含めた呼吸状態判定を可能とする信頼性の高い睡眠時呼吸状態判定装置を提供する。

上記課題を解決するために本発明は、睡眠時の呼吸信号を検出する呼吸信号検出手段と、前記検出された呼吸信号の所定期間毎の分散値を演算し、前記分散値を前記呼吸信号の検出状態を以て正規化演算する演算手段と、前記正規化された分散値に基づいて、睡眠時の呼吸状態を判定する判定手段とを備える睡眠時呼吸状態判定装置を提供する。

また、前記演算手段は、前記正規化演算において、前記所定期間の分散値と次の所定期間の分散値との引算又は除算した絶対値を演算する。

また、前記判定手段は、前記検出された呼吸信号の所定期間毎の分散値に基づいて、離床状態又は粗体動状態を更に判定する。

また、前記判定手段は、前記正規化された分散値の平均値又は前記正規化された分散値の分散値に基づいて、睡眠時の呼吸状態を判定する。

また、前記判定手段は、前記離床状態及び粗体動状態を除く睡眠状態における前記正規化された分散値の平均値又は前記正規化された分散値の分散値に基づいて、睡眠時の呼吸状態を判定する。

更に、前記判定手段は、睡眠中の粗体動の割合に基づいて、睡眠時の呼吸状態を判定する。

本発明の呼吸状態判定装置は、睡眠時の呼吸信号を検出する呼吸信号検出手段と、前記検出された呼吸信号の所定期間毎の分散値を演算し、前記分散値を前記呼吸信号の検出状態を以て正規化演算する演算手段と、前記正規化された分散値に基づいて、睡眠時の呼吸状態を判定する判定手段とを備えることから、呼吸状態の判定において、例えば、寝返り等による呼吸信号の検出状態の変化を影響させることなく判定することを可能とし、信頼性の高い睡眠時の呼吸状態判定を可能とする。

また、前記演算手段は、前記正規化演算において、前記所定期間の分散値と次の所定期間の分散値との引算又は除算した絶対値を演算し、また、前記判定手段は、前記正規化された分散値の平均値又は前記正規化された分散値の分散値に基づいて、睡眠時の呼吸状態を判定するものであることから、簡便な演算処理で呼吸信号の検出状態を以て正規化することを可能とし、高価なマイコン等が不要となり、安価な装置とすることを可能とする。

また、前記判定手段は、前記検出された呼吸信号の所定期間毎の分散値に基づいて、離床状態又は粗体動状態を更に判定し、また、前記判定手段は、前記離床状態及び粗体動状態を除く睡眠状態における前記正規化された分散値の平均値又は前記正規化された分散値の分散値に基づいて、睡眠時の呼吸状態を判定するものであることから、明らかに呼吸以外の大きな信号の変動を除いたデータを以て演算処理することによって、より正確性の高い呼吸状態の判定を可能とする。

更に、前記呼吸状態判定手段は、睡眠中の粗体動の割合に基づいて、睡眠時の呼吸状態を判定することから、呼吸状態に対する体動の影響度合いが分かり、より信頼性の高い呼吸状態の判定を可能とする。

本発明の睡眠時呼吸状態判定装置は、睡眠時の呼吸信号を検出する呼吸信号検出手段と、前記検出された呼吸信号の所定期間毎の分散値を演算し、前記分散値を前記呼吸信号の検出状態を以て正規化演算する演算手段と、前記正規化された分散値に基づいて、睡眠時の呼吸状態を判定する判定手段とを備える。

また、前記演算手段は、前記正規化演算において、前記所定期間の分散値と次の所定期間の分散値との引算又は除算した絶対値を演算するものである。

また、前記判定手段は、前記検出された呼吸信号の所定期間毎の分散値に基づいて、離床状態又は粗体動状態を更に判定するものである。

また、前記判定手段は、前記正規化された分散値の平均値又は前記正規化された分散値の分散値に基づいて、睡眠時の呼吸状態を判定するものである。

また、前記判定手段は、前記離床状態及び粗体動状態を除く睡眠状態における前記正規化された分散値の平均値又は前記正規化された分散値の分散値に基づいて、睡眠時の呼吸状態を判定するものである。

更に、前記判定手段は、睡眠中の粗体動の割合に基づいて、睡眠時の呼吸状態を判定するものである。

本発明の実施例は、被測定者の睡眠時の体動信号を無拘束で検出する公知のマット型体動検出センサを用いて、前記体動信号から呼吸信号を取り出し、前記呼吸信号と、前記マット型の体動検出センサと人体との接触状態と、に基づいて、被測定者の睡眠時の呼吸状態を判定する睡眠時呼吸状態判定装置の一例である。

まず、図１及び図２を用いて、本実施例の睡眠時呼吸状態判定装置１の構成を説明する。図１は、睡眠時呼吸状態判定装置１の使用時の外観図であり、図２は、ブロック図を示す。図１において、睡眠時呼吸状態判定装置１は、寝具に横臥した人体の体動信号を検出するためのマット型体動検出センサ部２（以下、センサ部２と言う。）と、前記センサ部２に接続され睡眠時の呼吸状態の判定を行なう制御ボックス３とから成り、前記制御ボックス３は、睡眠時の呼吸状態の判定結果やガイダンス表示などを行なう表示部４及び電源オン／オフ又は測定開始／終了などの操作を行なう操作部５を備えて構成する。

ここで、前記センサ部２は、例えば、非圧縮性の流体を内封したマットレスの圧力変動を、コンデンサマイクロホンを用いて検出するものであり、図示したように前記マットレスを、寝具の下に敷くことにより、仰臥位の被験者の生体信号を検出するものである。

また、図２において、前記制御ボックス３は、表示部４及び操作部５をＣＰＵ６に接続して成り、前記センサ部２は、センサ部２で検出された体動信号から呼吸信号を検出する呼吸信号検出部７を介して前記ＣＰＵ６に接続して成る。また、前記ＣＰＵ６は、演算部８、判定部９、記憶部１０及び電源１１に接続して成り、更にＣＰＵ６内部には、睡眠時呼吸状態判定装置１を制御する制御部と時間を計測する計時部とを備えるものであるとする。ここで、前記演算部８は、前記呼吸信号の分散値の演算や、前記演算された分散値を、前記呼吸信号の検出状態、ここでは、前記センサ部２と人体との接触状態の変化による前記体動信号の検出状態に基づいて正規化するための演算等を行うものであり、前記判定部９は、前記演算部８で得られたデータに基づいて睡眠時の呼吸状態を判定するものであり、記憶部１０は、各種信号、演算されたデータ及び睡眠時の呼吸状態判定のための条件式や判定結果等を記憶するものである。

次に、図３乃至図７を含めて、睡眠時呼吸状態判定装置１の動作を説明する。図３は、動作のメインルーチンのフローチャートであり、図４は、呼吸信号の分散値に基づく正規化処理及び呼吸状態判定を示すサブルーチンのフローチャートであり、図５は、呼吸状態判定を示すサブルーチンのフローチャートである。また、図６は、分散値の絶対値の変動を示すグラフであり、図７は、正規化処理した分散値の相対値の変動を示すグラフである。

図３において、前記操作部５により電源オン操作がなされ、睡眠時呼吸状態判定装置１の電源がオンされると、ステップＳ１において、動作システムが初期化され、ステップＳ２において、呼吸信号を検出するために、前記操作部５内に備えた測定開始ボタンが押されたか否かが判断される。前記測定開始ボタンが押されるまでＮＯに進み、押されたか否かを判断し続け、前記測定開始ボタンが押されたときにＹＥＳに進み、ステップＳ３において、今度は前記操作部５内に備えた測定終了ボタンが押されたか否かが判断される。前記測定終了ボタンが押されていない場合にはＮＯに進み、ステップＳ４からステップＳ１４までの呼吸信号の検出を続け、前記測定終了ボタンが押された場合にはＹＥＳに進み、図４を用いて後述するステップＳ１５の正規化処理及び呼吸状態判定に移行する。

前記測定終了ボタンが押されずＮＯに進んだ場合には、ステップＳ４では、呼吸データのサンプリングを行う。すなわち、前記センサ部２で検出した体動信号が、呼吸検出部７において、信号増幅され、呼吸に特化した信号のみを抽出するための公知のディジタルフィルタを介して、ＡＤコンバータによって呼吸データ：Ｄａｔａ（ｎ）としてサンプリングされる。続くステップＳ５において、前記サンプリングされた呼吸データ：Ｄａｔａ（ｎ）は、１サンプリング毎にサンプリングカウンタ：ｎ＝ｎ＋１としてカウントされ、ステップＳ６において、前記サンプリングカウンタｎが、予め設定された所定期間分のサンプリング数：ａに達したか否かが判断される。達していなければＮＯに進み、ステップＳ７において前記サンプリングカウンタｎとしてカウントされた呼吸データＤａｔａ（ｎ）を記憶部１０に記憶して、再びステップＳ３に戻る。ここでは、図示しないが、記憶部１０内に設けた第１メモリの前記カウンタｎに対応するアドレスに格納するものとする。

また、前記ステップＳ６において、サンプリングカウンタｎがａに達した場合ＹＥＳに進み、ステップＳ８において、前記記憶部１０内の第１メモリに記憶されたｎ＝１〜ａまでの呼吸データの分散値を演算部８で演算する。この演算は、まず、全呼吸データＤａｔａ（ｎ）の平均値：Ａｖｅ（ｎ）を求める。次に、各呼吸データＤａｔａ（ｎ）から前記平均値：Ａｖｅ（ｎ）を差し引き、得られた値を二乗した合計値を全呼吸データ数：ａで割った値がσａとなる、すなわち、σａ＝Σ（Ｄａｔａ（ｎ）−Ａｖｅ（ｎ））^２／ａとして演算される。続くステップＳ９において、前記分散値σａが演算される毎に分散値カウンタ：ｉ＝ｉ＋１としてカウントされる。ステップＳ１０において、前記ｉでカウントされた分散値σａをσａ（ｉ）として、記憶部１０に記憶する。ここでは、図示しないが、記憶部１０内に設けた第２メモリの前記カウンタｉに対応するアドレスに格納するものとする。この場合において、前記分散値σａ（ｉ）の絶対値の変動は、例えば、図６に示すグラフのようになる。また、ステップＳ１１において、サンプリングカウンタ：ｎを初期化（ｎ＝０）して、再びステップＳ３に戻る。

また、前記ステップＳ３において、前記測定終了ボタンが押されてＹＥＳに進んだ場合には、図４を用いて後述するステップＳ１５の正規化処理及び呼吸状態判定に移行し、ステップＳ１６において、前記判定結果等を表示部４に表示し、ステップＳ１７において、前記操作部５により電源オフ操作がなされたか否かが判断され、電源オフ操作されるまで前記表示を続け、電源オフ操作されると電源をオフして終了する。

次に図４を用いて、前記図３のステップＳ１５の正規化処理及び呼吸状態判定について説明する。前述したように、図３のステップＳ３において測定終了ボタンが押されてステップＳ１５に移行すると、図４のフローチャートのステップＳ２１において、第１メモリに記憶したサンプリングカウンタ：ｎ及び前記ｎ毎に記憶されたＤａｔａ（ｎ）をクリアして、ステップＳ２２において、前述のサンプリングカウンタ：ｎ及び分散値カウンタ：ｉ並びに後述する離床回数カウンタ：ｐ及び粗体動カウンタ：ｑのカウントを各々初期化する。

ステップＳ２３において、前記分散値カウンタｉ＝ｉ＋１として、前記記憶部１０内の第２メモリに記憶された分散値σａ（ｉ）を順に読み込む。ステップＳ２４において、分散値カウンタｉ＝ｉｍａｘか否か、すなわち、第２メモリに記憶されたσａ（ｉ）の最後のデータか否かが判断され、ｉ＝ｉｍａｘに達していない場合にはＮＯに進み、前記分散値σａ（ｉ）に基づいて、離床しているか否か又は粗体動を伴う睡眠状態であるか否か等の睡眠の状態を判定するステップに移行する。

まず、ステップＳ２５において、分散値σａ（ｉ）≦閾値Ｂか否かの判定によって、被測定者が離床しているか否かが判定される。すなわち、分散値σａ（ｉ）を演算するための前記予め設定された所定期間において、被測定者が離床している場合には前記所定期間の体動信号に基づく分散値σａ（ｉ）は、非常に小さくなる。つまり、前記閾値Ｂは、被測定者が離床していることを示す分散値の最大値であり、予め複数人の実測データに基づいて統計学的に算出して設定した値であるものとし、これ以降に記載のその他の閾値に関しても、同様に設定した値であるとする。従って、分散値σａ（ｉ）≦閾値Ｂであれば離床していると判定されＹＥＳに進み、ステップＳ２９において、離床回数カウンタ：ｐ＝ｐ＋１としてカウントし、ステップＳ２３に戻る。また、分散値σａ（ｉ）≦閾値Ｂでない場合ＮＯに進み、ステップＳ２６において、分散値σａ（ｉ）≧閾値Ｃか否かの判定によって、被測定者が粗体動を伴う睡眠状態にあるか否かが判定される。すなわち、分散値σａ（ｉ）を演算するための前記予め設定された所定期間において、被測定者が粗体動を伴う睡眠状態にある場合には、前記所定期間の体動信号に基づく分散値σａ（ｉ）は、非常に大きくなる。つまり、前記閾値Ｃは、被測定者が粗体動を伴う睡眠状態にあることを示す分散値の最小値であり、実測データに基づいて予め設定されている値である。従って、σａ（ｉ）≧Ｃであれば粗体動を伴う睡眠状態にあると判定されＹＥＳに進み、ステップＳ３０において、粗体動カウンタ：ｑ＝ｑ＋１としてカウントし、ステップＳ２３に戻る。

また、σａ（ｉ）≧Ｃでない場合ＮＯに進み、ステップＳ２７おいて、前記分散値σａ（ｉ）に関して、前記センサ部２と人体との接触状態の変化による前記体動信号の検出状態に基づいて正規化するための演算として、前記ステップＳ２３において第２メモリから読み込んだ分散値σａ（ｉ）の次の分散値σａ（ｉ＋１）を更に読み込み、差分σ（ｉ）＝｜σａ（ｉ）−σａ（ｉ＋１）｜を演算し、記憶部１０内の図示しない第３メモリに記憶する。この場合において、前記分散値σ（ｉ）、すなわち、前記分散値σａ（ｉ）の相対値の変動は、例えば、図７に示すグラフのようになる。続くステップＳ２８において、前記第３メモリ内の差分σ（ｉ）の全データの和を演算してステップＳ２３に戻る。

また、ステップＳ２４において、ｉ＝ｉｍａｘであった場合にはＹＥＳに進み、ステップＳ３１において、図５のフローチャートを用いて後述する演算及び判定サブルーチンに移行し、前記演算及び判定サブルーチンを抜けると図３に示したメインルーチンに戻る。

続いて、前記演算及び判定サブルーチンを図５のフローチャートを用いて説明する。ステップＳ４１において、前記図４のステップＳ２８において演算した差分σ（ｉ）の全データの和と分散値カウンタ：ｉ、離床回数カウンタｐ及び体動カウンタｑとに基づいて、差分σ（ｉ）の平均値：Ａｖｅσ（ｉ）を演算する。すなわち、Ａｖｅσ（ｉ）＝（差分σ（ｉ）の和）／（ｉｍａｘ−（ｐ＋ｑ））。これにより、離床や粗体動を伴わない睡眠時のみの分散値の相対変化を得るものである。続く各ステップにおいて、Ａｖｅσ（ｉ）に基づいて、睡眠時の呼吸状態の判定を行っていくものである。

まず、ステップＳ４２において、前記平均値Ａｖｅσ（ｉ）≧閾値Ｄか否かの判定によって、呼吸状態が異常範囲か否かが判定される。ここで、前記Ａｖｅσ（ｉ）は、離床及び粗体動を伴わない睡眠時のみの分散値の相対変化の平均を示すものであることに注目すると、もし前記睡眠時に呼吸異常があった場合には、その睡眠時の呼吸データＤａｔａ（ｎ）にはばらつきが生じ、分散値σａ（ｉ）が大きくなり、このばらつきの分、前記Ａｖｅσ（ｉ）の値は、呼吸正常者のそれに比べて有意に大きい値となることは明らかである。つまり前記閾値Ｄは、Ａｖｅσ（ｉ）が呼吸状態異常範囲にあることを示す最小値であり、実測データに基づいて予め設定されている値である。従って、平均値Ａｖｅσ（ｉ）≧閾値Ｄであった場合にはＹＥＳに進み、ステップＳ４３において、呼吸状態が異常範囲にあると判定される。

また、前記ステップＳ４２において、平均値Ａｖｅσ（ｉ）≧閾値Ｄでない場合にはＮＯに進み、続くステップＳ４４において、平均値Ａｖｅσ（ｉ）≦閾値Ｅか否かの判定によって、呼吸状態が正常範囲か否かが判定される。ここで、睡眠状態が安定しており且つ呼吸状態が正常であった場合には、前記呼吸データＤａｔａ（ｎ）のばらつきが小さくなると共に分散値σａ（ｉ）も小さくなり、前記Ａｖｅσ（ｉ）の値も小さい値になることは明らかである。つまり、前記閾値Ｅは、Ａｖｅσ（ｉ）が呼吸状態正常範囲にあることを示す最大値であり、実測データに基づいて予め設定されている値である。従って、平均値Ａｖｅσ（ｉ）≦閾値Ｅであった場合にはＹＥＳに進み、ステップＳ４９において、呼吸状態が正常範囲にあると判定される。

また、Ａｖｅσ（ｉ）≦閾値Ｅでない場合にはＮＯに進み、ステップＳ４５において、演算部８で睡眠中の粗体動の占める割合：ｍを演算する。例えば、分散値カウンタ：ｉ及び粗体動カウンタ：ｑに基づいて、睡眠中の粗体動の割合ｍ＝ｑ／（ｉｍａｘ−ｑ）として演算する。続くステップＳ４６において、前記ｍ≦閾値Ｆか否かの判定によって、前記Ａｖｅσ（ｉ）の値が、呼吸異常によるものか否かが判定される。前記閾値Ｆは、睡眠中の粗体動の占める割合が有意に小さいと見なせる範囲の最大値を示すものであり、実測データに基づいて予め設定されている値である。従って、前記ｍが閾値Ｆよりも小さければ、粗体動による呼吸データへの影響は少ないと見なしてＹＥＳに進み、ステップＳ４３において、呼吸状態が異常であると判定される。

また、前記ｍ≦閾値Ｆでない場合にはＮＯに進み、ステップＳ４７において、前記ｍ≧閾値Ｇか否かの判定によって、前記Ａｖｅσ（ｉ）の値が、体動に伴う睡眠状態の異常によるものか否かが判定される。前記閾値Ｇは、睡眠中の粗体動の占める割合が有意に大きいと見なせる範囲の最小値を示すものであり、実測データに基づいて予め設定されている値である。従って、前記ｍが閾値Ｇよりも大きければ、呼吸状態の判定以前に、体動を伴う異常な睡眠状態にあると判定される。更に、前記ｍ≧閾値Ｇでない場合にはＮＯに進み、呼吸状態の異常が疑われるとして判定する。

前記ステップＳ４３、Ｓ４８、Ｓ４９又はＳ５０の判定が成されると、図４に示した呼吸状態判定のサブルーチンに戻る。

なお、図４の呼吸状態判定のサブルーチンを示したフローチャートのステップＳ２７において、分散値σａ（ｉ）と次の分散値σａ（ｉ＋１）との差分σ（ｉ）を演算したが、差分演算に限らず、σａ（ｉ）をσａ（ｉ＋１）で除した絶対値を第３メモリに記憶しても良い。

また、図５の演算及び判定サブルーチンを示したフローチャートのステップＳ４１において、離床や粗体動を伴わない睡眠時のみの分散値の相対変化として、差分σ（ｉ）の平均値：Ａｖｅσ（ｉ）を演算したが、差分σ（ｉ）の分散値を演算しても良い。この場合には、呼吸状態判定に用いた各閾値Ｄ及びＥは、前記演算された差分σ（ｉ）の分散値に基づいて呼吸状態を判定するために、実測データに基づいて予め設定されるものとなる。

また、前記睡眠時呼吸状態判定装置１を公知のネットワーク機器に接続することにより、例えば、図４の呼吸状態判定サブルーチンを示したフローチャートのステップＳ２５又はステップＳ２６において、離床又は粗体動と判定された場合に、前記判定結果を、ネットワーク機器を介して遠隔地のサーバーに送信して、サーバー側で被測定者の状態を確認できるようになることから、独居老人等の介助、介護又は医療に応用可能である。

本実施例の睡眠時呼吸状態判定装置１の使用時の外観図である。 本実施例の睡眠時呼吸状態判定装置１のブロック図である。 本実施例の動作のメインルーチンのフローチャートである。 呼吸信号の分散値に基づく正規化処理及び呼吸状態判定を示すサブルーチンのフローチャートである。 呼吸状態判定を示すサブルーチンのフローチャートである。 分散値の絶対値の変動を示すグラフである。 正規化処理した分散値の相対値の変動を示すグラフである。 正常な呼吸と努力性呼吸との呼吸信号の振幅の比較図である。

符号の説明

１ 睡眠時呼吸状態判定装置
２ センサ部
３ 制御ボックス
４ 表示部
５ 操作部
６ ＣＰＵ
７ 呼吸検出部
８ 演算部
９ 判定部
１０ 記憶部
１１ 電源

Claims (6)

1. 睡眠時の呼吸信号を検出する呼吸信号検出手段と、
   前記検出された呼吸信号の所定期間毎の分散値を演算し、前記分散値を前記呼吸信号の検出状態を以て正規化演算する演算手段と、
   前記正規化された分散値に基づいて、睡眠時の呼吸状態を判定する判定手段とを備えることを特徴とする睡眠時呼吸状態判定装置。
2. 前記演算手段は、前記正規化演算において、前記所定期間の分散値と次の所定期間の分散値との引算又は除算した絶対値を演算することを特徴とする請求項１記載の睡眠時呼吸状態判定装置。
3. 前記判定手段は、前記検出された呼吸信号の所定期間毎の分散値に基づいて、離床状態又は粗体動状態を更に判定することを特徴とする請求項１又は２に記載の睡眠時無呼吸判定装置。
4. 前記判定手段は、前記正規化された分散値の平均値又は前記正規化された分散値の分散値に基づいて、睡眠時の呼吸状態を判定することを特徴とする請求項１乃至３の内いずれか一項に記載の睡眠時呼吸状態判定装置。
5. 前記判定手段は、前記離床状態及び粗体動状態を除く睡眠状態における前記正規化された分散値の平均値又は前記正規化された分散値の分散値に基づいて、睡眠時の呼吸状態を判定することを特徴とする請求項４記載の睡眠時無呼吸判定装置。
6. 前記判定手段は、睡眠中の粗体動の割合に基づいて、睡眠時の呼吸状態を判定することを特徴とする請求項３乃至５の内いずれか一項に記載の睡眠時無呼吸判定装置。
   

Images